I libri cartacei stanno diventando la nuova miniera d’oro per le grandi aziende dell’intelligenza artificiale, che li acquistano a milioni sul mercato dell’usato per addestrare i propri modelli. Sembra un paradosso, eppure la corsa ai volumi stampati racconta bene lo stato in cui si trova oggi il settore. Un’indagine di 404 Media ha portato alla luce questo fenomeno, descritto come in forte crescita e alimentato da un problema che ormai è diventato strutturale.
Perché la carta vale più del digitale
Il punto è che le classiche fonti online, quelle su cui i modelli si sono nutriti per anni, sono state a loro volta contaminate dalla Gen AI. Detto in parole semplici, una fetta enorme dei contenuti pubblicati sul web negli ultimi tempi è stata prodotta o comunque influenzata da sistemi automatici. Il risultato è una massa crescente di testi, immagini e informazioni dalla qualità spesso discutibile, che rischia di avvelenare il pozzo da cui attingono le nuove generazioni di modelli.
Ecco perché i libri stampati prima dell’esplosione dell’AI generativa valgono così tanto. Quei volumi contengono materiale scritto interamente da esseri umani, senza alcuna interferenza da parte dei sistemi moderni. Roba pulita, per intenderci, che non porta con sé il rischio di trascinare errori o distorsioni già presenti nei contenuti generati dalle macchine. Per chi sviluppa questi modelli linguistici, è una risorsa preziosa proprio per la sua origine genuina.
Una pratica meno nuova di quanto sembri
Non che si tratti di una trovata degli ultimi mesi. Già negli anni scorsi diverse società del settore avevano investito milioni per digitalizzare opere cartacee da usare nell’addestramento. La novità semmai sta nella scala e nel modo in cui il fenomeno si sta diffondendo, con aziende intermediarie che fanno da ponte tra il mercato dell’usato e i colossi tecnologici.
C’è però un dettaglio che colpisce. Spesso questi libri non sopravvivono al processo. Salta fuori che scansionare le pagine risulta più economico e veloce quando conservare l’integrità del volume non è una priorità. In pratica il libro viene smontato, digitalizzato e poi lasciato al suo destino, perché a contare davvero è solo il contenuto trasferito nei server.
Il fenomeno racconta bene la tensione che attraversa il mondo dell’addestramento AI. Da un lato la necessità di reperire dati sempre più abbondanti, dall’altro il bisogno di trovare materiale che sia effettivamente affidabile e non già inquinato dalle stesse tecnologie che si vogliono migliorare. I colossi AI si trovano così a rovistare tra gli scaffali dell’usato, alla ricerca di quella scintilla umana che i testi generati automaticamente non possono garantire.